Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Beschriftungsverifizierung und Anpassung
Wenn die Beschriftungen in einem Datensatz validiert werden müssen, bietet Amazon SageMaker Ground Truth Funktionen, mit denen Mitarbeiter überprüfen können, ob die Beschriftungen korrekt sind, oder frühere Beschriftungen anpassen können. Diese Auftragstypen fallen in zwei verschiedene Kategorien:
-
Kennzeichnungsverifizierung – Die Mitarbeiter geben an, ob die vorhandenen Kennzeichnungen korrekt sind, oder bewerten deren Qualität und können zur Begründung Kommentare hinzufügen. Die Mitarbeiter können Beschriftungen nicht ändern oder anpassen.
Wenn Sie einen Auftrag zur Anpassung oder Verifizierung von 3D-Punktwolken- oder Videoframe-Beschriftung erstellen, können Sie festlegen, dass die Attribute der Kennzeichnungskategorien (nicht unterstützt für die semantische Segmentierung von 3D-Punktwolken) und die Frame-Attribute von Mitarbeitern bearbeitet werden können.
-
Beschriftungsanpassung – Mitarbeiter passen frühere Anmerkungen und ggf. die Kennzeichnungskategorie und Frame-Attribute an, um sie zu korrigieren.
Die folgenden in Ground Truth integrierten Aufgabentypen unterstützen Kennzeichnungsverifizierungs- und -anpassungsaufträge:
-
Begrenzungsrahmen
-
Semantische Segmentierung
-
Erkennung von 3D-Punktwolkenobjekten, Verfolgung von 3D-Punktwolkenobjekten und semantische Segmentierung von 3D-Punktwolken
-
Alle Aufgabentypen zur Erkennung und Verfolgung von Videoframe-Objekten – Begrenzungsrahmen, Polylinie, Polygon und Keypoint
Tipp
Für Aufgaben zur Überprüfung der Kennzeichnung von 3D-Punktwolken und Videoframes wird empfohlen, zum Kennzeichnungsauftrag neue Kennzeichnungskategorieattribute oder Frame-Attribute hinzuzufügen. Mitarbeiter können mit Hilfe dieser Attribute einzelne Beschriftungen oder den gesamten Rahmen überprüfen. Weitere Informationen zu Kennzeichnungskategorien und Frame-Attributen finden Sie unter Worker-Benutzeroberfläche (UI) für 3D-Punktwolken und Worker-Benutzeroberfläche (UI) für Videoframes.
Sie können mithilfe der SageMaker KI-Konsole oder der API Jobs zur Überprüfung und Anpassung von Etiketten starten.
Vorsichtsmaßnahmen und Überlegungen
Um erwartetes Verhalten beim Erstellen eines Kennzeichnungsverifizierungs- oder Anpassungsauftrags zu erhalten, überprüfen Sie Ihre Eingabedaten sorgfältig.
-
Wenn Sie Bilddaten verwenden, achten Sie darauf, dass Ihre Manifestdatei hexadezimale RGB-Farbinformationen enthält.
-
Zur Einsparung von Verarbeitungskosten filtern Sie Ihre Daten, um sicherzustellen, dass Sie keine unerwünschten Objekte in das Eingabemanifest Ihres Kennzeichnungsauftrags einbeziehen.
-
Fügen Sie die erforderlichen Amazon S3-Berechtigungen hinzu, damit Ihre Eingabedaten korrekt verarbeitet werden.
Wenn Sie mithilfe der Ground Truth API einen Kennzeichnungsverifizierungs- oder -anpassungsauftrag erstellen, müssen Sie einen anderen LabelAttributeName verwenden als den ursprünglichen Kennzeichnungsauftrag.
Anforderungen an die Farbinformation für semantische Segmentierungsaufträge
Um Farbinformationen bei Verifizierungs- oder Anpassungsaufgaben richtig zu reproduzieren, braucht das Werkzeug hexadezimale RGB-Farbinformationen im Manifest (z. B. #FFFFFF für Weiß). Bei der Einrichtung eines Verifizierungs- oder Anpassungsauftrags für semantische Segmentierung untersucht das Tool das Manifest, um festzustellen, ob diese Informationen vorhanden sind. Wenn Amazon Ground Truth es nicht finden kann, zeigt Amazon SageMaker Ground Truth eine Fehlermeldung an und beendet die Auftragseinrichtung.
In früheren Iterationen des semantischen Segmentierungswerkzeugs wurden Farbinformationen für Kategorien nicht im hexadezimalen RGB-Format in das Ausgabemanifest ausgegeben. Diese Funktion wurde in das Ausgabemanifest eingeführt, als die Verifizierungs- und Anpassungs-Workflows eingeführt wurden. Daher sind ältere Ausgabemanifeste nicht mit diesem neuen Workflow kompatibel.
Filtern Sie Ihre Daten, bevor Sie mit dem Job beginnen
Amazon SageMaker Ground Truth verarbeitet alle Objekte in Ihrem Eingabemanifest. Wenn Sie einen teilweise gekennzeichneten Datensatz haben, können Sie ein benutzerdefiniertes Manifest erstellen, indem Sie eine Amazon S3 Auswahlabfrage auf Ihr Eingabemanifest anwenden. Nicht gekennzeichnete Objekte schlagen einzeln fehl, führen jedoch nicht zum Fehlschlagen des Auftrags und verursachen möglicherweise Verarbeitungskosten. Durch Herausfiltern von Objekten, die Sie nicht verifiziert möchten, können Sie Kosten einsparen.
Wenn Sie einen Überprüfungsauftrag über die Konsole erstellen, können Sie die dort bereitgestellten Filterwerkzeuge verwenden. Wenn Sie Aufträge mit der API erstellen, machen Sie das Filtern Ihrer Daten bei Bedarf zum Bestandteil Ihres Workflows.
Themen
